編輯推薦
數學,作為一門基礎學科,是學習和研究現代科學技術必須掌握的基本工具。
人工智慧是目前電腦科學十分熱門的一個領域,而機器學習作為實現人工智慧的一種方法,其底層邏輯都是數學。
AI時代,得數學者得天下!
1.全書結合300餘幅插圖+100餘個範例+50餘個公式推導,用講故事和實例的形式介紹人工智慧、機器學習中必備的數學基礎知識,趣味性較強。
2、全書以初中階段數學知識為基礎,內容由淺入深,涉及數學計算均列出詳細步驟,可讓讀者快速入門。
3.注重數學的友善性,所述概念和術語均以理解為主,並選擇比較簡單的案例輔助讀者理解,對重點內容反覆強調。
4.本書大體上由線性代數、高數、機率三部分組成,每一部分僅介紹機器學習中常見的數學知識。對於繁瑣的計算以Python編程的方式實現,讓程式設計師有歸屬感。
內容簡介
《機器學習中的數學》是一本系統介紹機器學習中涉及的數學知識的入門圖書,本書從機器學習中的數學入門開始,以展示數學的友好性為原則,講述了機器學習中的一些常見的數學知識。機器學習作為人工智慧的核心技術,對於數學基礎薄弱的人來說,其台階是陡峭的,本書力爭在陡峭的台階前搭建一個斜坡,為讀者鋪平機器學習的數學之路。
《機器學習中的數學》共19章,分為線性代數、高等數學和機率3個組成部分。第1 部分包括向量、向量的點積與叉積、行列式、代數餘子式、矩陣、矩陣與方程組、矩陣的秩、逆矩陣、高斯—諾爾當消去法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾里德距離、曼哈頓距離、切比雪夫距離、夾角餘弦等;第2部分包括導數、微分、不定積分、定積分、弧長、偏導、多重積分、參數方程式、極座標系、柱座標系、球座標系、梯度、梯度下降演算法、方向導數、線性近似、二階近似、泰勒公式、牛頓法、zuixiao二乘法、解極值、拉格朗日乘子法、 KKT條件、歐拉—拉格朗日方程式等;第3部分包括機率、古典概型、幾何概型、互斥事件、獨立事件、分佈函數、離散型分佈、連續型分佈等。
《機器學習中的數學》內容全面,語言簡練,實例典型,實用性強,立足於“友好數學”,與機器學習完美對接,適合想要了解機器學習與深度學習但數學基礎較為薄弱的程式設計師閱讀,也適合作為各大高等院校機器學習相關專業的教材。機器學習及數學愛好者、大量資料探勘與分析人員、金融智能化從業人員等也可選擇本書參考學習。
作者簡介
孫博,蘇州工業園區高技能領軍人才,機器學習愛好者,擅長軟體演算法和軟體結構設計。曾在CSDN及多個知名部落格網站發表多篇技術文章,深受讀者喜愛。目前任公司CTO,主持校企合作實習平台的建置與搞笑的軟體訓練工作。
精彩書評
本書從軟體開發人員的角度和學習心態出發,由淺入深地總結了機器學習中與數學相關的基本概念和實際應用方法,迴避了純理論的研究和嚴格的過程推導,並給出了很多問題的實際背景、避免了抽象和枯燥的想像,為讀者能快速入門提供了必要的幫助。本書是機器學習中涉及代數、幾何、高等數學、機率等主要基礎知識的高度概括和總結,可以作為機器學習初學者的案頭參考書。
——前東軟望海研發中心總經理趙永生
從根本上說,機器學習是對數學的應用,要成為優秀的人工智慧工程師,必須有深厚的數學知識才行,而這本書淺顯易懂,用實例和講故事的形式,介紹了機器學習中必備的數學基礎知識,讓你輕鬆踏入機器學習的大門。
——西安石油大學教授張群正
數學的發展源自於生活,它應該以友善的姿態面對世人,這本書重新勾起了我對數學的興趣。
——蘇州智慧家長教育科技有限公司CTO 鄧宏譽
目錄